Numpy Array Python VS Matriks, Lihat Perbedaannya Yuk

Python merupakan bahasa pemrograman yang high level tetapi, tidak hanya digunakan untuk para developer di bidang IT tetapi juga digunakan untuk beberapa bidang lain seperti statistika khususnya data scientist. Python menyediakan banyak library yang sangat powerful untuk kita gunakan untuk berbagai kepentingan developer ataupun analisis data. Salah satu library yang paling sering digunakan adalah numpy array python. Numpy array merupakan singkatan dari numerical python yang artinya library ini digunakan untuk operasi cepat pada array, termasuk matematika, logika, manipulasi bentuk, sorting, selecting, I/O, dasar aljabar linear dan masih banyak lagi.

Selain numpy array, matriks numpy. Lantas apa Numpy matriks adalah array 2-D khusus yang mempertahankan sifat 2-D nya melalui operasi. Objek matriks adalah subclass dari ndarray sehingga objek matriks akan mewarisi semua atribut dan metode ndarray. Lantas apa yang membedakan keduanya? Sebab, numpy array dengan matriks bisa saling menggantikan apabila diperlukan. Jangan khawatir, karena artikel ini akan membahas tentang perbedaan antara numpy array dengan matriks python. Jadi, simak terus artikel ini bersama DQLab, ya!

1. Matriks itu 2 Dimensi Sementara Numpy Array itu Multidimensi

Kita dapat membuat 1D, 2D, 3D, bahkan 4D, 5D pada numpy array. tetapi kita hanya dapat membuat matriks 2D saja. Matrik benar-benar hanya bisa diaplikasikan untuk 2 dimensi saja. Apabila kita mencoba membuat matriks 1D, maka secara otomatis yang terbentuk adalah matriks 2D. Mari kita praktikan bersama contoh berikut :

import numpy as np

a = np.matrix([0, 1, 3, 9])

print(a)

print(type(a))

print('Dimensions:', a.shape)

print('No. of Dimensions:', a.ndim)

Dan jika kita mencoba membuat matriks 3D, yang terjadi adalah error. Mari kita buktikan pada contoh dibawah ini:

import numpy as np

a = np.matrix([[[1, 2], [3, 4]], 

          [[5, 6], [7, 8]], 

          [[9, 10], [11, 12]]])

print(a)

print(type(a))

print('Dimensions:', a.shape)

print('No. of Dimensions:', a.ndim)

Baca juga : Belajar Data Science: Kenali Dasar Bahasa Pemrograman Python yang Cocok bagi Pemula

2. Numpy Array dan Matriks Berperilaku Berbeda dengan Operator Single Star 

Jika kita mengalikan dua objek ndarray menggunakan * (single star/asterisk), hasilnya adalah multiplikasi elemen berdasarkan elemen. Mari kita praktekkan bersama contoh berikut ini:

import numpy as np

a = np.array([[9, 2], 

             [3, 5]])

b = np.array([[5, 2], 

             [4, 9]])

print("a", type(a))

print(a)

print(" b", type(b))

print(b)

print(" * operation on two ndarray objects (Elementwise)")

print(a * b)

3. Numpy Array dan Matriks Berperilaku Berbeda dengan Operator Double Star

Selanjutnya, ketika kita menggunakan operator ** (double star atau double asterisk) pada objek ndarray, hasilnya adalah nilai kuadrat elemen dari setiap elemen. Berikut ini adalah contoh sederhana yang bisa kita praktekan bersama:

import numpy as np

a = np.array([[3, 2], 

             [9, 4]])

print("a", type(a))

print(a)

print(" ** operation on two ndarray objects (Elementwise)")

print(a ** 2)

Sedangkan ketika kita menggunakan operator ** pada dua matriks, maka hasilnya adalah multiplikasi matriks seperti pada contoh dibawah ini:

import numpy as np

b = np.matrix([[10, 2], 

              [3, 7]])

print(b)

print(" ** operation on two matrix objects")

print(b ** 2)

4. Numpy Array Lebih Umum Digunakan daripada Kelas Matriks

Yang menjadi perbedaan sekaligus keunggulan utama dari numpy array adalah numpy array lebih umum daripada matriks 2D. Seperti yang sudah dibahas pada poin diatas. Bagaimana jika kita ingin membuat array 3D? Maka yang harus kita gunakan adalah ndarray, bukan objek matriks. Oleh karena itu, jika kita mencoba belajar dengan objek matriks maka kita juga harus mempelajari keduanya yaitu objek matriks dan operasi ndarray. Tetapi, pada dasarnya menulis program yang mencampur matriks dan array merupakan perkara yang tidak mudah karena kita harus melacak jenis objek apa yang ada pada variabel tertentu. Untuk itu, tidak lagi disarankan menggunakan kelas matriks, bahkan untuk aljabar linier. Sebaliknya, gunakan array numpy biasa.

Baca juga :  Python : Kenali 3 Buku yang Akan Mempercepat Kamu Dalam Belajar Python

5. Yuk, Temukan Materi Lain Numpy Array Python Lainnya di DQLab

Belajar data science menggunakan bahasa pemrograman python lebih mudah dan terstruktur bersama DQLab. Karena terdiri dari modul-modul up-to-date dan sesuai dengan penerapan industri yang disusun oleh mentor-mentor berpengalaman dibidangnya dari berbagai unicorn, dan perusahaan besar seperti Tokopedia, DANA, Jabar Digital dan masih banyak lagi. Yuk, belajar terstruktur dan lebih interaktif cukup dengan Sign up sekarang di DQLab.id atau klik button dibawah ini untuk nikmati pengalaman belajar yang seru dan menyenangkan!

Penulis: Rian Tineges

Editor: Annissa Widya Davita